AutoBatch ZeroDistort 8K Upscaler-批量自适应8K零变形放大流

详情

模型描述

这些版本目前仅适用于单人肖像照片。

一个完全自动化的批量自适应超分流程——无需手动干预。只需将预裁剪的图片集拖入输入文件夹,点击“运行”即可一次性处理所有图片。它可无损地从240p超分至4K,或从480p超分至8K。

这可以说是目前最强的肖像修复与超分工作流,融合了所有领先模型的最优特性。我保证您将获得卓越的效果。


✨ 如果您的本地VRAM不足,无需部署,可直接在本在线平台体验。

只需点击下方链接,即可一键免费开始实验:

👉https://www.runninghub.ai/post/1963968536693587969/?inviteCode=rh-v1216
使用我的邀请码注册,首次注册即可获得1000 RH币,足够生成近100张图片或约30个视频。🎁


✨ 本次新版本提供两种工作流选项:

1. “direct_upload_batch_image”允许您直接通过ComfyUI界面上传任意数量、任意尺寸的图像。

2. “从文件夹上传批量图像”与之前相同:在“input”目录下创建一个文件夹,将您希望超分的图片放入其中。

您可以自由选择任一方式——两者均能获得良好效果。

🎯 使用方法:

1. 将您希望超分的图像预先裁剪至目标尺寸。

2. 在ComfyUI的input文件夹中创建一个新目录,并将您的图片放入其中。

3. 刷新ComfyUI。在紫色节点“Load Images For Loop”中,复制刚刚创建的文件夹路径,并粘贴到紫色节点的目录字段中。

4. 调整红色高亮设置的数值,使其与您的GPU显存相匹配。该数值指定每个图块分配的分辨率。若显存为20GB或以上,推荐设置为1600P。数值必须是64的整数倍。

5. 将保存图像的名称改为路径格式(例如:…/…/output/upscale/4K)。这样,所有超分输出将统一保存在output目录下新建的子文件夹中。

小贴士:

I. 本超分流程表现优异的场景

① 高度压缩但未受损的模糊缩略图(低至240p),可自动修复并提升至4K,智能修正不合逻辑的细节,使每个元素自然真实。

② 轻微模糊的全身照(360–480p),可无损超分至6K–8K。

II. 也可能表现良好的情况

① 带有污渍、污迹或轻微细节失真的图像

② 噪点较多的图像

III. 本流程表现不佳的场景

① 老照片修复

② 原始像素严重损坏的图像

③ 充满不规则、畸形色彩噪点的图像

④ 高清图像中,仅面部区域的原生分辨率超过1024P

IV. 如何检查原始像素是否完好

打开图像,使用鼠标滚轮缩小,直到刚好能辨认出主体。在此缩放级别截屏——其分辨率即近似图像的真实有效原始像素数。

模型清单:
PixelWaveTurbo - 5步生成卓越图像! - 03 | Stable Diffusion XL 检查点 | Civitai

https://huggingface.co/SG161222/RealVisXL_V5.0_Lightning/blob/main/RealVisXL_V5.0_Lightning_fp16.safetensors

https://huggingface.co/camenduru/SUPIR/blob/main/SUPIR-v0Q.ckpt

https://openmodeldb.info/models/4x-FFHQDAT

https://huggingface.co/Comfy-Org/Wan_2.2_ComfyUI_Repackaged/blob/main/split_files/diffusion_models/wan2.2_t2v_low_noise_14B_fp8_scaled.safetensors

https://huggingface.co/Kijai/WanVideo_comfy/blob/main/Lightx2v/lightx2v_14B_T2V_cfg_step_distill_lora_adaptive_rank_quantile_0.15_bf16.safetensors

✨ 内存释放节点:
https://github.com/LAOGOU-666/Comfyui-Memory_Cleanup/

此模型生成的图像

未找到图像。